[发明专利]虚假信息检测方法、系统、计算机设备及可读存储介质

说明书

本发明公开了一种虚假信息检测方法，包括：获取包括待检测源信息以及待检测源信息在当前时刻的待检测回复信息待检测数据；对待检测数据进行向量化处理，得到待检测源信息对应的待检测源特征向量及待检测回复信息对应的待检测回复特征向量；通过预先训练好的虚假信息分类模型的编码层对待检测数据的特征向量进行编码处理，得到待检测数据的特征编码；通过训练好的深度强化学习模型对待检测数据的特征编码进行分类预判断，以判定是否需要对待检测数据进行分类处理；若需要，则通过虚假信息分类模型的分类层根据待检测源特征编码和待检测回复特征编码对待检测数据进行分类，得到待检测数据对应的第一分类结果。本发明可以对待检测数据进行实时检测。

技术领域

本发明实施例涉及数据处理技术领域，尤其涉及一种虚假信息检测方法、系统、计算机设备及可读存储介质。

背景技术

随着互联网与自媒体行业的迅速发展，人们每天都要接收与发出不计其数的信息，进入了信息爆炸的时代，这些信息无时无刻不在影响着人们的生活。然而正如人们在传统的口头交流中那样，互联网所传递的信息并不是完全真实与可信的。在铺天盖地的信息中总会包含那么一些虚假的、对人的认知、思想与行为产生误导的信息，这便是网络谣言，即虚假信息。

网络平台如推特、微信、微博和贴吧等充斥大量虚假信息，随之而来的是大量的转发和回复等等。目前虽然有识别是否虚假信息的算法，但不满足时效性要求，无法快速的识别出虚假信息。

发明内容

有鉴于此，本发明实施例的目的是提供一种虚假信息检测方法、系统、计算机设备及可读存储介质，用以解决虚假信息检测不够实时性的问题。

为实现上述目的，本发明实施例提供了一种虚假信息检测方法，包括：

获取待检测数据，其中，所述待检测数据包括检测源信息以及所述待检测源信息在当前时刻对应的待检测回复信息；

对所述待检测数据进行向量化处理，得到所述待检测源信息对应的待检测源特征向量以及所述待检测回复信息对应的待检测回复特征向量；

通过预先训练好的虚假信息分类模型中的编码层对所述待检测源特征向量以及所述待检测回复特征向量进行编码处理，得到所述待检测源信息对应的待检测源特征编码以及所述待检测回复信息对应的待检测回复特征编码；

通过训练好的深度强化学习模型对所述待检测源特征编码以及待检测回复特征编码进行分类预判断，以判定是否需要对所述待检测数据进行分类处理；及

若判定出需要对所述待检测数据进行分类处理，则通过所述虚假信息分类模型的分类层根据所述待检测源特征编码和所述待检测回复特征编码对所述待检测数据进行分类，得到所述待检测数据对应的第一分类结果。

进一步地，所述通过训练好的深度强化学习模型对所述待检测源特征编码以及待检测回复特征编码进行分类预判断，以判定是否需要对所述待检测数据进行分类处理之后，还包括：

若判定出不需要对所述待检测数据进行分类处理，则返回执行所述获取待检测数据的步骤。

进一步地，所述对所述待检测数据进行向量化处理，得到所述待检测源信息对应的待检测源特征向量以及所述待检测回复信息对应的待检测回复特征向量包括：

获取所述待检测源信息中的第一文本数据与第一图片数据；

将所述第一文本数据通过第一向量化模型进行向量化处理，得到第一特征向量；并，将所述第一图片数据通过第二向量化模型进行向量化处理，得到第二特征向量；

将所述第一特征向量与所述第二特征向量进行拼接，得到所述待检测源信息对应的待检测源特征向量；

获取所述待检测回复信息中的第二文本数据与第二图片数据；